共计 1014 个字符，预计需要花费 3 分钟才能阅读完成。
代理型人工智能（Agentic AI）正在将 AI 推向一个新的高度，超越了生成式 AI 的范畴。虽然它们有一些相似之处，但也存在显著的差异。
Salesforce 的 CEO Marc Benioff 最近在《纽约时报》上发表文章，将代理型 AI 称为 AI 领域的“第三波”。他指出，短短几年内，我们已经经历了三代 AI 的发展。首先是分析数据的预测模型，然后是生成式 AI，如 ChatGPT 等深度学习模型。而现在，我们正进入第三波——由能够自主处理复杂任务的智能代理定义的一波。
AI 代理的潜力
AI 代理或智能助手旨在作为数字同事、助理或客户服务代表，通过自然语言处理进行沟通。Benioff 认为，它们“有可能以以前无法想象的方式增强人类能力”。
“想象一个世界，企业可以部署一个 AI 代理团队来管理客户互动、分析数据、优化销售策略并在几乎没有人类监督的情况下实时执行运营任务。”,
AI 代理与生成式 AI 的区别
生成式 AI 和代理型 AI 之间也有显著差异。Mendix 的专家 David Brault 表示：“代理型 AI 专门设计用于自主决策，通常无需人类干预，这与生成式 AI 的典型使用方式不同。”他指出，有许多功能和特性将代理型 AI 与生成式 AI 区分开来，首先是上下文和焦点。
虽然生成式 AI 应用程序可以跨多种能力和行业进行定位，但代理型 AI“专注于特定的环境和上下文情况”，他补充道。因此，代理型 AI 的当前最佳用例是“可预测和定义的任务，错误风险低或错误发生时的影响严重性低”，Enthought 的首席运营官 Michael Connell 同意这一点。,
AI 代理的应用与挑战
为了从生成式 AI 转向代理型 AI，他建议“从小处着手，战略性扩展”。“识别一些高影响力的用例——例如客户服务——并运行试点项目以测试和完善代理能力。在这些用例的同时，了解提供代理型 AI 支持的新兴平台和软件组件。”
Connell 说：“挑战在于在企业环境中或创新驱动的行业中应用代理型 AI，如材料科学研发或制药，这些领域的不确定性和风险更高。”“这些更复杂的环境需要代理具有非常细致的理解，以便做出值得信赖、可靠的决策。”
与分析型和生成式 AI 一样，数据——特别是实时数据——是代理型 AI 成功的核心。Connell 说：“重要的是要了解代理型 AI 将如何使用以及驱动代理的数据，以及一个测试系统。”“要构建 AI 代理，你需要干净的数据，对于某些应用程序，还需要准确代表问题领域的标记数据，以及足够的数量来训练和验证你的模型。”
